🤖 machine learning

OpenMHC: Accelerating the Science of Wearable Foundation Models

이 논문은 웨어러블 헬스 AI 연구를 민주화하고 가속화하기 위해, 약 12,000명의 참가자로부터 수집된 6,000만 시간 이상의 웨어러블 건강 데이터가 포함된 포괄적인 오픈 액세스 데이터셋인 OpenMHC와 함께, 파운데이션 모델의 오픈 소스 구현 및 통합 벤치마크를 소개한다.

원저자: Narayan Schuetz, Yuze Bai, Lianggang Pan, Edgar Eggert, Favour Nerrise, Juan Delgado-SanMartin, Max Rosenblattl, Milana Gurbanova, Mohammad Asadi, Anders Johnson, Paul Schmiedmayer, Dennis Wang, Allan

게시일 2026-07-22

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Narayan Schuetz, Yuze Bai, Lianggang Pan, Edgar Eggert, Favour Nerrise, Juan Delgado-SanMartin, Max Rosenblattl, Milana Gurbanova, Mohammad Asadi, Anders Johnson, Paul Schmiedmayer, Dennis Wang, Allan Lawrie, Daniel Seung Kim, Xin Liu, Akshay Paruchuri, Ehsan Adeli, Euan Ashley, Kelly W. Zhang

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신의 스마트워치가 잠들지 않는 작고 지치지 않는 탐정이라고 상상해 보세요. 매 분마다 그것은 당신의 휴대폰에 비밀을 속삭입니다. 얼마나 많은 걸음을 걸었는지, 심장 박동이 얼마나 빨라졌는지, 얼마나 깊게 잠들었는지, 심지어 얼마나 많은 계단을 정복했는지까지 말이죠. 수년 동안 과학자들은 컴퓨터가 이 속삭임을 듣고 우리의 건강을 더 잘 이해하도록 가르치기를 원해 왔습니다. 그들은 이 초지능형 컴퓨터들을 "파운데이션 모델(foundation models)"이라고 부릅니다. 이것들을 세상의 모든 요리를 맛본 마스터 셰프라고 생각해보세요. 일단 맛을 익히고 나면, 그들은 새로운 레시피를 발명하거나 나쁜 재료를 즉각적으로 찾아낼 수 있습니다. 하지만 여기 문제가 있습니다. 마스터 셰프가 되려면 엄청난 양의 재료가 가득한 거대한 주방이 필요합니다. 건강 데이터의 세계에서 가장 큰 주방들은 빅테크 기업들의 문 뒤에 굳게 잠겨 있었고, 연구자들에게는 오직 아주 작은 빈 찬장만이 남겨져 있었습니다. 데이터가 충분하지 않으면, 이 AI 셰프들은 우리 몸이 어떻게 움직이고 느끼는지에 대한 전체 이야기를 배울 수 없습니다.

여기서 스탠퍼드, 임페리얼 칼리지 런던 등의 연구진이 거대한 열쇠를 들고 등장합니다. 그들은 10년 넘게 진행되어 온 디지털 헬스 실험인 "My Heart Counts" 연구의 문을 열었습니다. 그들은 OpenMHC라는 보물 창고를 공개합니다. 이것은 단순한 간식이 아닙니다. 약 12,000명의 데이터로부터 얻은 6,700만 시간 이상의 웨어러블 데이터가 담긴 성찬입니다. 여기에는 아이폰과 애플 워치로부터 수집된 걸음 수, 심박수, 수면 패턴, 운동 기록 등 모든 것이 포함됩니다. 이 거대한 데이터셋과 함께, 그들은 이를 테스트하기 위해 만든 "레시피"(코드)와 "훈련된 셰프"(AI 모델)도 공유합니다. 그들의 목표는 전 세계 어디에서나 누구나 새로운 방식으로 건강 문제를 예측하거나, 누락된 데이터를 채우거나, 우리 몸이 내일 어떻게 행동할지 예측하는 방법을 만들어낼 수 있도록 하는 것입니다.

재료에 관한 중요한 참고 사항: 요리를 시작하기 전에, 이 주방에는 몇 가지 특이한 점이 있다는 것을 알아두는 것이 중요합니다. 데이터를 기부한 사람들은 주로 미국 출신이며, 그룹이 30대 후위의 백인 남성 쪽으로 치우쳐 있습니다. 이는 AI가 배우는 "맛"이 세상의 다른 모든 사람에게는 정확히 맞지 않을 수 있음을 의미합니다. 또한, 이것은 디지털 연구였기 때문에 모든 건강 정보(예: 당뇨병 여부나 행복감 등)는 사용자가 직접 보고한 방식(self-reported)입니다. 이는 레이블에 "노이즈"나 불확실성을 도입하여 AI가 완벽한 패턴을 학습하는 것을 더 어렵게 만들 수 있습니다. 마지막으로, 이 AI는 데이터가 수집된 당시의 건강 특성을 감지하도록 설계된 것이지, 내년에 발생할 심장마비와 같은 미래의 의료적 사건을 예측하기 위한 것이 아닙니다.

거대한 공개: 그들이 발견한 것

연구진은 단순히 데이터를 쏟아놓기만 한 것이 아니라, 어떤 AI 모델이 실제로 의미 있는 결과를 낼 수 있는지 확인하기 위해 거대한 놀이터를 만들었습니다. 그들은 세 가지 주요 과제를 설정했습니다:

예측(Prediction): AI가 당신의 워치 데이터를 보고 당신의 건강 특성(예: 당뇨병 여부나 행복도)을 추측할 수 있을까요?
결측치 보간(Imputation - 빈칸 채우기): 사람들은 샤워를 하거나 충전을 하기 위해 시계를 벗어두기도 하므로 데이터에 구멍이 생깁니다. AI가 이 누락된 시간 동안 무슨 일이 있었는지 추측할 수 있을까요?
예측(Forecasting): AI가 향후 24시간 동안 당신의 활동이 어떻게 될지 예측할 수 있을까요?

그들이 발견한 내용은 다음과 같습니다:

1. "전문화된 셰프"가 승리하지만, "단순한 요리사"도 여전히 강력하다
다양한 AI 모델을 테스트했을 때, LSM-2(웨어러블 데이터에 특화되어 훈련된 파운데이션 모델의 일종)라는 모델이 전반적으로 최고의 셰프라는 결과가 나왔습니다. 이 모델은 건강 결과를 예측하고 누락된 데이터를 채우는 데 가장 일관성이 있었습니다. 그러나 연구진은 놀라운 사실을 발견했습니다. 훨씬 더 단순하고 오래된 방식의 모델인 XGBoost(매우 체계적이고 규칙 기반인 계산기와 같은 모델)가 매우 근소한 차이로 2위를 차지했다는 점입니다. 실제로 어떤 작업에서는 이 단순한 모델이 화려하고 복잡한 AI만큼이나 뛰어난 성능을 보였습니다. 이는 거대한 AI가 강력하긴 하지만, "더 복잡한 것"이 항상 "더 나은 것"을 의미하지는 않는다는 것을 시사합니다. 때로는 잘 조율된 단순한 도구가 경이로운 효과를 냅니다.

2. 거대 언어 모델(챗봇 같은 모델)은 고전했다
연구팀은 또한 거대 언어 모델(에세이를 쓰거나 대화를 나누는 종류의 모델)을 사용하여 이 건강 퍼즐을 풀려고 시도했습니다. 그들은 모델에 데이터를 텍스트나 그래프 이미지 형태로 입력했습니다. 결과는 어떠했을까요? 이러한 거대 챗봇들은 일반적으로 전문화된 헬스 모델이나 단순한 계산기보다 성능이 떨어졌습니다. 심장 박동과 걸음 수라는 특정한 "언어"를 읽는 데 있어서는 범용적인 도구보다 전문화된 도구가 훨씬 더 낫다는 것이 드러났습니다.

3. 장기 기억이 도움이 된다
누락된 데이터를 채우는 것(보간)에 있어서, 며칠간의 사용자 이력을 살펴볼 수 있는 모델이 단 하루의 데이터만 보는 모델보다 훨씬 더 나은 성과를 보였습니다. 이것은 마치 누군가가 지금 무엇을 하고 있는지 추측하는 것과 같습니다. 만약 그들을 딱 1분만 본다면 틀릴 수도 있습니다. 하지만 그들이 보통 오후 6시에 달리기를 한다는 것을 알고 있다면, 훨씬 더 똑똑한 추측을 할 수 있습니다. 논문은 사용자의 장기적인 이력을 활용하는 것이 모델을 더 똑렴하게 만드는 핵심이라고 제안합니다.

4. 공정성이 중요하다
연구진은 모델이 모든 사람을 평등하게 대하는지도 확인했습니다. 그들은 화려한 AI 모델들이 정확하긴 했지만, 단순한 모델들에 비해 특정 집단(예: 다른 연령대나 성별)에 대해 더 큰 오류를 범하기도 한다는 것을 발견했습니다. 이는 우리가 이러한 건강 도구를 구축할 때, 다수가 아닌 모든 사람을 위해 공정하게 작동하도록 보장해야 한다는 중요한 교훈을 줍니다.

이것이 게임의 판도를 어떻게 바꾸는가

이 논문이 나오기 전에는 웨어러블 건강 데이터를 이해하는 AI를 만들고 싶어도 막막했습니다. 데이터를 얻을 수도 없었고, 대기업들이 어떻게 모델을 훈련시키는지 볼 수도 없었습니다. 그것은 마치 조종석을 한 번도 본 적 없이 비행기를 조종하는 법을 배우려는 것과 같았습니다.

OpenMHC는 모두에게 조종석과 비행 매뉴얼, 그리고 훈련 시뮬레이터를 제공함으로써 그 상황을 바꿉니다. 13년에 걸친 11,894명의 참가자 데이터를 모델 실행 코드와 함께 공개함으로써, 저자들은 이 분야를 민주화했습니다. 그들은 아직 모든 건강의 미스터리를 해결했다고 주장하는 것이 아닙니다. 실제로 자기 보고식 데이터의 특성 때문에 어떤 질환에 대해서는 AI가 여전히 단순한 기준점(baseline)을 이기기 어렵다는 점을 인정합니다. 하지만 그들은 과학계 전체가 실험하고, 요리하며, 궁극적으로 우리를 건강하게 유지하는 새로운 방법을 발견할 수 있도록 기초를 마련해 주었습니다. 이제 주방의 문이 열렸고, 재료는 누구나 사용할 수 있도록 준비되었습니다.

기술 요약: OpenMHC: 웨어러블 파운데이션 모델의 과학적 발전을 가속화하다

문제 제기

모바일 및 웨어러블 기기는 지속적이고 수동적인 건강 모니터링을 위한 전례 없는 기회를 제공하지만, 웨어러블 헬스 AI 분야는 대규모 공개 데이터의 부족으로 인해 어려움을 겪고 있습니다. 선도적인 웨어러블 파운데이션 모델들은 대개 공개되지 않은 독점 데이터셋을 통해 학습되며, 모델 가중치와 학습 코드가 공개되는 경우도 드뭅니다. 기존의 공개 데이터셋은 규모가 작거나, 특수 연구용 센서를 사용하거나, 파운데이션 모델을 학습시키고 평가하는 데 필요한 종단적 깊이와 다양성이 부족한 경우가 많습니다. 이러한 데이터 사일로(data silo) 현상은 재현성을 제한하고, 더 넓은 커뮤니티의 참여를 가로막으며, 다양한 건강 영역에서 모델을 비교하기 위한 표준화된 벤치마크 구축을 어렵게 만듭니다.

방법론

저자들은 스탠퍼드 대학교에서 진행된 대규모 심혈관 건강 연구인 My Heart Counts (MHC) 연구로부터 유도된 포괄적인 오픈 액세스 데이터셋이자 벤치마크인 OpenMHC(OpenMyHeartCounts)를 큐레이션함으로써 이러한 격차를 해결합니다.

1. OpenMHC 데이터셋

규모 및 범위: 이 데이터셋은 13년(2012~2025년)의 기간 동안 수집된 11,894명의 동의한 참가자로부터 얻은 종단적 기록을 포함합니다. 여기에는 6,700만 시간의 분 단위(minute-level) 웨어러블 데이터가 포함됩니다.
데이터 양상(Modalities):
- 수동 센서 데이터: 걸음 수, 이동 거리, 오르내린 층수, 심박수, 활동 에너지, 수면(잠듦/침대에 있음), 10가지 운동 유형을 포함하여 19개의 센서 채널이 분 단위 해상도로 구성됩니다. 데이터는 iPhone 및 Apple Watch(및 기타 호환 기기)를 통한 Apple HealthKit으로부터 소싱되었습니다.
- 연결된 변수: 인구 통계, 의료 상태, 생체 지표, 정신적 웰빙, 수면, 라이프스타일을 다루는 169개의 자기 보고형 및 희소(sparse) HealthKit 변수가 포함됩니다.
인구 통계: 참가자는 주로 미국 출신(~90%)이며, 영국과 홍콩의 소규모 코호트가 포함되어 있습니다. 코호트는 92개의 서로 다른 기기 모델을 아우르며, 최대 10.7년의 데이터 이력을 가진 사용자들을 포함하지만, 일반적인 mHealth 이탈률로 인해 중앙값(median) 참여 기간은 더 짧습니다.
전처리: 저자들은 기기 이질성, 결측치(비착용 시간), 생리학적 이상치를 처리하기 위해 $19 \times 1440$ 의 일일 분 단위 행렬을 구축하는 엄격한 파이프라인을 개발했습니다. 이들은 비착용 감지 및 결측치 임퓨테이션(imputation)을 위한 특정 휴리스틱을 정의합니다.

2. OpenMHC 벤치마크

표준화된 평가를 가능하게 하기 위해, 저자들은 세 가지 트랙을 가진 통합 벤치마크를 구축했습니다:

트랙 1: 예측 과업 (Predictive Tasks): 5개 영역(인구 통계, 의료 상태, 생체 지표 및 바이오마커, 정신적 웰빙, 수면 및 라이프스타일)에 걸친 32개의 지도 학습 과업입니다. 과업에는 이진 분류, 서수 분류, 회귀가 포함됩니다.
트랙 2A: 생성적 임퓨테이션 (Generative - Imputation): 누락된 센서 데이터를 재구성하는 방법의 평가입니다. 여기에는 단일일 임퓨테이션(24시간 윈도우 내 마스킹)과 장기 문맥 임퓨테이션(최대 7일간의 이력 활용)이 포함됩니다. 마스킹 전략은 구조적 결함(무작위 노이즈, 시간적 단절, 신호 손실) 및 의미적 결함(수면 공백, 운동 공백, 강도 실패)과 같은 실제 세계의 실패 상황을 시뮬레이션합니다.
트랙 2B: 생성적 예측 (Generative - Forecasting): 과거 궤적을 기반으로 향후 24시간의 웨어러블 데이터를 시간당 해상도로 예측합니다.

3. 평가 프레임워크

벤치마크는 이질적인 과업 전반에 걸쳐 성능을 집계하기 위해 통합 평가 지표를 사용합니다:

기술 점수 (Skill Score, $S$ ): 고정된 참조 모델(예: 예측에는 Linear, 임퓨테이션에는 LOCF, 예측에는 Seasonal Naive) 대비 상대적 오차 감소량을 측정합니다.
평균 순위 (Average Rank): 과업 전반에 걸친 일관성을 평가합니다.
공정성 기술 점수 (Fairness Skill Score): 민감한 인구 통계적 하위 그룹(성별 및 연령) 간의 성능 균등성을 평가합니다.

주요 기여

OpenMHC 공개: 실세계 소비자 데이터에 대한 대규모 사전 학습 및 평가를 가능하게 하는, 현재까지 가장 크고 포괄적인 오픈 액세스 웨어러블 헬스 데이터셋을 공개했습니다.
최초의 대규모 공개 벤치마크: 실제 웨어러블 데이터의 복잡성(결측치, 불규칙한 샘플링, 이질성)을 반영하는 예측, 임퓨테이션, 예측 과업을 아우르는 표준화된 평가 체계를 구축했습니다.
오픈 소스 구현체: 저자들은 최근의 웨어러블 파운데이션 모델인 **Apple의 웨어러블 행동 모델(WBM)**과 **Google의 대규모 센서 모델(LSM-2)**을 포함하여, 고전적 베이스라인(XGBoost, MultiRocket, GRU-D) 및 시계열 파운데이션 모델(Chronos-2, Toto)의 첫 오픈 소스 구현체를 제공합니다.

결과

저자들은 OpenMHC 벤치마크에서 다양한 모델을 평가했습니다:

예측 과업 (트랙 1):
- LSM-2 (Google의 마스크드 오토인코더)는 최고의 전반적 성능(평균 순위 $R=2.20$ , 기술 점수 $S=+15.1\%$ )을 달성하며 다른 파운데이션 모델 및 고전적 방법들을 능가했습니다.
- XGBoost는 가장 강력한 경쟁자( $R=3.52$ , $S=+11.6\%$ )였으며, 특히 인구 통계 영역에서 강점을 보여 잘 튜닝된 단순 모델이 여전히 매우 경쟁력이 있음을 입증했습니다.
- WBM (Apple의 대조 학습 모델)은 연속적인 주간 세그먼트에 의존하기 때문에, 데이터가 희소한 실제 환경에서는 사용 가능한 데이터가 줄어들어 성능이 저하되었습니다.
- GRU-D는 가장 높은 공정성 점수를 달성하여, 인구 통계적 하위 그룹 간의 성능 균등성이 더 우수함을 시사했습니다.
- LLM: 텍론(text)이나 데이터의 시각적 표현으로부터 충분한 신호를 추출하지 못해, 제로샷(zero-shot) 및 퓨샷(few-shot) 설정에서 평가된 Gemini 계열 LLM들은 일반적으로 Linear 베이스라인보다 낮은 성능을 보였습니다.
임퓨테이션 (트랙 2A):
- LSM-2-Sparse (7일 문맥)가 최고의 결과( $S=+64.7\%$ )를 달성했으며, 통계적 베이스라인 및 BRITS, DLinear와 같은 다른 신경망 모델을 크게 앞질렀습니다.
- 결과는 무작위 마스킹으로 학습된 모델보다 실제적인 결측 패턴(LSM-2와 같이)으로 학습된 모델이 웨어러블 데이터의 구조적 공백에 더 잘 일반화됨을 시사합니다.
예측 (트랙 2B):
- Chronos-2 (파인튜닝됨)가 최고의 전반적 성능( $R=3.56$ , $S=+37.6\%$ )을 달성했습니다.
- 그러나 파운데이션 모델들은 DLinear에 비해 낮은 공정성 점수를 보였는데, 이는 정확도 향상이 반드시 인구 통계 그룹 간의 형평성 있는 성능으로 이어지지는 않음을 나타냅니다.

의의 및 주장

본 논문은 OpenMHC가 데이터, 코드, 벤치마크를 제공함으로써 웨어러블 헬스 AI 연구를 민주화한다고 주장합니다. 연구에서 도출된 주요 통찰은 다음과 같습니다:

사전 학습 목적 함수가 중요하다: 사전 학습 목적 함수(예: 마스크드 재구성 vs 대조 학습)의 선택은 다운스트림 성능에 큰 영향을 미치며, 마스크드 재구성이 웨어러블 데이터의 희소하고 불규칙한 특성에 더 적합한 것으로 보입니다.
단순함 vs 복잡성: 잘 튜닝된 단순한 모델(예: XGBoost)은 복잡한 딥러닝 아키텍처와 여전히 매우 경쟁적이며, 이는 불필요한 복잡성을 경계해야 함을 시사합니다.
종단적 문맥: 확장된 개인 이력(예: 7일 윈도우)을 활용하는 것은 임퓨테이션과 예측에서 명확한 이점을 제공하며, 이는 향후 연구의 유망한 방향을 제시합니다.
데이터 접근성이 병목 구간이다: 이 분야의 한계는 알고리즘적 제약이 아니라 데이터 접근성에 있으며, OpenMHC는 광범위한 커뮤니티 참여를 촉진하고 웨어러블 헬스의 발전을 가속화하기 위해 이 장벽을 제거하는 것을 목표로 합니다.

저자들은 인구 통계적 편향(주로 백인, 남성, 미국 기반)과 결과값이 임상적으로 확정된 것이 아니라 자기 보고형이라는 점을 명시적인 한계로 언급했습니다. 따라서 과업은 예후적 임상 이벤트 예측보다는 탐지 및 특성화의 관점에서 프레임화되었습니다.